MétaCan
Menu
Retour à la cohorte
Enregistrement W2945034351 · doi:10.1109/jlt.2019.2917389

Low-Loss Random Fiber Gratings Made With an fs-IR Laser for Distributed Fiber Sensing

2019· article· en· W2945034351 sur OpenAlexaff
Ping Lü, Stephen J. Mihailov, David Coulas, Huimin Ding, Xiaoyi Bao

Notice bibliographique

RevueJournal of Lightwave Technology · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensUniversity of OttawaNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceFiber Bragg gratingOpticsFiber laserReflectometryFiber optic sensorPHOSFOSPolarization-maintaining optical fiberLaserGraded-index fiberDistributed feedback laserOptoelectronicsOptical fiberGratingDispersion-shifted fiberTime domainPhysics

Résumé

récupéré en direct d'OpenAlex

By using the plane-by-plane grating inscription method with an fs-IR laser, random fiber gratings with low laser-induced loss were fabricated in SMF-28 fiber for distributed temperature sensing. Compared to conventional random gratings having broadband backscattering enhancement, the demonstrated random fiber grating has a well defined narrower bandwidth of backscattering enhancement, higher laser-induced backscattering level, and lower laser-induced loss, which are critical for long-haul distributed fiber sensor systems with high measurement accuracy. Experimental results showed that by using fabricated random fiber gratings along with the technique of optical frequency-domain reflectometry, a distributed temperature fiber sensor could be realized having a gauge length of 10 mm, standard deviation of temperature measurement as low as 0.00085 °C, and laser-induced loss of 0.08 dB/m.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,348
Score d'incertitude au seuil0,887

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,005
Tête enseignante GPT0,213
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Lightwave TechnologyMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207